Resumen

En este artículo se propone un nuevo conjunto de aprendizaje métrico profundo basado en la norma Yus (DMLYu) para diagnosticar fallas en rodamientos de rodillos, el cual puede diagnosticar las clases de fallas a través del método de fusión de información que combina los diferentes resultados de diagnóstico producidos por varios modelos de aprendizaje métrico profundo basados en la norma Yus con señales de diferentes escalas. El método sugerido se compone de tres pasos: primero, la señal de vibración se descompone en múltiples componentes IMF mediante el método EEMD, luego estas componentes IMF se introducen en los modelos DMLYu que se llama el modelo modificado de aprendizaje métrico profundo basado en la medida de similitud de la norma Yus, respectivamente, para extraer los parámetros característicos para diagnosticar la falla de los rodamientos de rodillos desde diferentes escalas, y finalmente la decisión de diagnóstico final se toma mediante estrategia de fusión basada en el método de creencia bayesiana (BBM). Por último,

• Materias:Ingeniería subterránea Deformaciones elásticas Excavación con explosivos Transitorios repetitivos Efecto de Perturbación
• Subjects:Underground engineering Elastic deformations Excavation with explosives Repetitive transients Perturbation effect
• Palabras claves:Conjunto novedoso; Aprendizaje métrico profundo; Diagnóstico de fallas; Rodamiento rodante; Basado en la norma Yus; Fusión de información
• Keywords:Novel ensemble; Deep metric learning; Fault diagnosis; Rolling bearing; Yus norm-based; Information fusion